Module 2.1 Suivi des données sur les activités pour les ... › system...Exemple d’image composite SPOT VGT avec une résolution de 1 km pour l’année 2000 couvrant l’Asie

Module 2.1 Suivi des données sur les activités pour les forêts à l’aide de la télédétection

Auteurs :

Frédéric Achard, Centre commun de recherche (JRC) de la Commission européenne (CE)

Jukka Miettinen, CE – JRC

Brice Mora, Université de Wageningen

Au terme du cours, les participants devraient être à même de :

• Faire la distinction entre différentes méthodes (de télédétection) pour surveiller l’évolution des superficies forestières

• Réaliser des analyses de l’évolution des superficies forestières à partir de données satellitaires Landsat

Source : Manuel de référence GOFC-GOLD 2014, encadré 3.2.2. V1, mai 2015

Licence Creative Commons

Module 2.1 Suivi des données sur les activités pour les forêts à l’aide de la télédétectionMatériels de formation à REDD+ mis au point par GOFC-GOLD, Wageningen University, FCPF de la Banque mondiale

2

Documents de référence

GOFC-GOLD. 2014. Sourcebook. Sections 1.2, 2.1, 2.7 et 2.9. Section 3.2 pour les exemples nationaux.

CCNUCC. 2011. Décision 1/CP16. Les accords de Cancún. http://unfccc.int/resource/docs/2010/cop16/fre/07a01f.pdf#page=2

GIEC. 2003. Recommandations en matière de bonnes pratiques pour l’utilisation des terres, le changement d’affectation des terres et la foresterie.

GFOI. 2014. Intégration des données de télédétection et d’observation au sol pour l’estimation des sources et des puits de gaz à effet de serre dans les forêts : Méthodes et pratiques recommandées par l’Initiative mondiale pour l’observation des forêts (MPR). Sections 2.2.1 et 3.

http://unfccc.int/resource/docs/2010/cop16/eng/07a01.pdf


3

Plan du cours

1. Introduction

2. Sélection de la méthode de surveillance

3. Classification et analyse des images

4. Évaluation de la précision

5. Limites de l’utilisation des données satellitaires


4

Plan du cours

1.Introduction






5

Impératifs de la CCNUCC concernant la mesure et la notification des modifications des superficies forestières (1/2) Les méthodes du GIEC et les principes de notification

de la CCNUCC ont été adoptés pour le futur mécanisme REDD+. Les méthodes du GIEC visent la notification complète,

fidèle, transparente, cohérente et comparable des émissions et absorptions de GES (dont les modifications des superficies forestières). La notification comprend également une description

détaillée de la méthode d’inventoriage adoptée et des améliorations prévues.

Voir le Module 3.3 sur la notification des résultats REDD+


6

Les lignes directrices du GIEC font référence à deux types d’informations permettant de calculer les inventaires de gaz à effet de serre : les données sur les activités et les facteurs d’émission. Pour ce qui est des données sur les activités, des données

spatialement explicites sur le changement d’affectation des terres, obtenues par échantillonnage ou cartographie complète, sont encouragées.

Impératifs de la CCNUCC concernant la mesure et la notification des modifications des superficies forestières (2/2)


7

Les systèmes nationaux de surveillance doivent impérativement :

i. Mesurer les changements portant sur l’ensemble des superficies forestières

ii. Utiliser des méthodes cohérentes pour obtenir des résultats fiables à intervalles réguliers

iii. Vérifier les résultats à l’aide d’observations au sol ou à très haute résolution

La seule solution pratique pour mettre en œuvre de tels systèmes de surveillance dans les pays tropicaux, où l’accès aux zones forestières est souvent limité, consiste à interpréter les données de télédétection en se référant à des observations au sol.

Rôle clé de l’observation de la terre dans la surveillance des forêts tropicales


8

De nombreuses méthodes sont fiables et adaptées à la surveillance des forêts à l’échelle nationale. Les facteurs influençant la conception du système de surveillance comprennent :

I. La situation nationale, en particulier les définitions et les sources de données existantes

II. Les décisions concernant la méthode d’évaluation du changement :a. Imagerie satellitaireb. Échantillonnage ou couverture complètec. Interprétation entièrement visuelle ou semi-automatiqued. Évaluation de la précision ou de la cohérence

III. Les ressources disponibles :i. Ressources matérielles et logiciellesii. Formation requise

Facteurs influençant la sélection et la mise en œuvre d’une méthode de surveillance


9

Plan du cours

1. Introduction

2.Sélection de la méthode de surveillance





10

Données requises sur les activités

En fonction des décisions nationales sur la méthode à utiliser, les types suivants de données sur les activités/cartes peuvent être nécessaires pour notifier les modifications du couvert forestier :

● Carte des zones forestières/non forestières (+ cartes des modifications)

● Carte nationale représentant le couvert terrestre/l’affectation des terres (+ cartes des modifications)

● Stratification des forêts

● Carte des modifications des terres forestières (voir Module 2.2)

Une méthode de surveillance permettant de produire les données requises sur les activités doit être sélectionnée en tenant compte de la situation nationale.


11

Définition des forêts (1/2)

Les parties visées à l�’Annexe I utilisent actuellement les définitions des forêts et du déboisement adoptées par la CCNUCC pour la mise en œuvre des articles 3.3 et 3.4 du protocole de Kyoto.

La FAO utilise un couvert minimum de 10 %, une hauteur de 5 m et une superficie de 0,5 ha, en précisant que la foresterie devrait être la principale utilisation des terres de la zone.

Pour le protocole de Kyoto, les parties devraient sélectionner une valeur unique pour le couvert arboré, la hauteur des arbres et la superficie dans les limites suivantes :

● Superficie forestière minimum : 0,05 à 1 ha● Arbres susceptibles d’atteindre une hauteur minimale in situ de 2 à

5 m● Couvert arboré minimum : 10 – 30 %


12

Définition des forêts (2/2)

Aucun accord sur une définition des forêts n’existe actuellement dans le cadre de REDD+. Les pays peuvent choisir leur propre définition

des forêts à condition de la décrire clairement. On notera que les images de télédétection permettent

d’observer le couvert terrestre tandis que des informations de terrain sont nécessaires pour connaître l’affectation des terres.


13

Désignation de l’espace forestier

Dans l’idéal, des évaluations complètes devraient être réalisées pour identifier les espaces forestiers au sens des définitions des forêts de la CCNUCC.

À défaut, des cartes relativement récentes des forêts pourraient être utilisées pour établir l’étendue totale des forêts.

Importants principes concernant l’établissement de l’étendue des forêts :

L’espace forestier devrait inclure toutes les forêts situées sur leterritoire nationalL’étendue totale des forêts devrait être utilisée de manière cohérente pour suivre l’évolution des forêts au cours de la période d’évaluation.


14

Sélection des images satellitaires

De nombreux types de données fournis par des capteurs optiques à des résolutions et des coûts divers permettent de surveiller le déboisement. Le type de données satellitaires sélectionné dépend de

la situation nationale (types de forêts, taille du pays, saisonnalité, fonds disponibles, etc.). Les types de données satellitaires les plus fréquemment

utilisés pour surveiller le couvert forestier sont énumérés sur la diapositive suivante avec un résumé de leur utilité à diverses fins.


15

Utilité des capteurs optiques à différentes résolutions pour la surveillance du déboisement

Source : Manuel de référence GOFC GOLD 2014, tableau 2.1.1.


16

Exemple d’image composite SPOT VGT avec une résolution de 1 km

pour l’année 2000 couvrant l’Asie du Sud-Est

Source : JRC, Stibig et al, 2003


17

Source : JRC, Stibig et al, 2003

Exemple de carte du couvert forestier pour l’Asie du Sud-Est

insulaire obtenue à partir d’images SPOT VGT à 1 km

Forêt sempervirente d’altitudeForêt sempervirente de basse altitudeForêt de mangroveForêt marécageuseFourrés, arbustes, herbages

et cultures pérennes

Terres cultivéesVégétation

brûlée/sèche/clairseméeForêts brûlées en 1988,

dégâts 25 % – 80 %Eau


18

Exemple de carte du couvert forestier établie à partir d’images

Landsat TM d’un site du Brésil (résolution de 30 m)

Image Landsat-5 TM du 15 juin 2005 : détail 20 km x 20 km

Carte du couvert forestiertaille de la fenêtre 10 km x 10 km

centrée sur 12°S, 58°W

Sources : USGS 2015 ;Eva, et al. 2012.

LégendeCouvert arboréMosaïque du couvert arboréAutres terres boiséesAutre couvert terrestre


19

Décision entre une couverture complète et une couverture par échantillonnage

La couverture complète est courante lorsqu’elle est adaptée à la situation nationale. Lorsque les ressources ne permettent pas d’obtenir une

couverture complète, l’échantillonnage est plus efficace pour les grands pays. Les méthodes d’échantillonnage recommandées sont

l’échantillonnage systématique et l’échantillonnage stratifié. Voir le Manuel de référence GOFC-GOLD (2012, encadré 2.1.2), diapositive suivante. Une méthode d’échantillonnage choisie pour une période

considérée pourrait être étendue à une couverture complète pour la période suivante.


20

Échantillonnage systématique et stratifié

L’échantillonnage systématique fournit des échantillons à intervalles réguliers, par exemple tous les 10 km. Les échantillons stratifiés sont répartis en fonction de

variables auxiliaires obtenues à partir de données satellitaires à faible résolution ou en associant d’autres données géoréférencées ou cartographiques.

Échantillonnage systématique Échantillonnage stratifiéSource : Manuel de référence GOFC-GOLD 2013, encadré 2.1.2.


21

Plan du cours

1. Introduction


3.Classification et analyse des images




22

Traitement des données satellitaires

Corrections géométriques :• L’erreur de localisation devrait être < 1 pixel ; les

séries de données de référence (par exemple, GLS) peuvent être utilisées pour remplacer les points d’appui ou l’enregistrement des images

Masquage des nuages et de leurs ombres :• Méthodes automatiques ou visuelles pour veiller au

bien-fondé de l’interprétation des images Corrections radiométriques :

• Dépendent de la méthode d’interprétation des images adoptée, pas nécessaires pour l’interprétation visuelle de scènes uniques mais essentielles pour l’analyse multidate automatique


23

Corrections géométriques : exemple d’utilisation d’une série de données GLS pour le co-enregistrement des images

Scène Landsat Centrée sur 25°S, 48°W : Cananéia, Brésil

09.09.1990

26.09.1999

04.02.2010

Source : USGS 2015, série de données GLS.


24

Correction radiométrique et atmosphérique : Exemple de chaîne de prétraitement automatique du Centre commun de recherche (CE)

Masque forestier Normalisé

Segmentation et classification

DébruméETM calibré

Chaîne de prétraitement automatique

Données de 2000 >>>>>>>>>>>>>>>>>>>>>>>>

Données de 2010 >>>>>>>>>>>>>>>>>>>>>>>

Source : Bodart et al. 2011.


25

Analyse des données satellitaires

La sélection de la méthode d’interprétation des images dépend des ressources disponibles. Quelle que soit la méthode sélectionnée, les résultats

devraient être répétables par différents analystes. Même lorsque le processus est entièrement automatisé, les

résultats devraient faire l’objet d’examens visuels par un analyste connaissant la région pour garantir une interprétation appropriée. Les principaux types de méthodes disponibles pour des

séries de données avec une résolution de 30 m environ sont présentés dans la diapositive suivante (Manuel de référence GOFC-GOLD 2013, tableau 2.1.3) et quelques aspects importants des méthodes sélectionnées sont décrits dans les diapositives suivantes.


26

Principales méthodes d’analyse d’images à moyenne résolution (~ 30 m)

Method for delineation

Method for class labeling

Practical minimum mapping unit

Principles for use Advantages / limitations

Point interpretation (points sample)

Visual interpretation < 0.1 ha

- multiple date preferable to single date interpretation - On screen preferable to printouts interpretation

- closest to classical forestry inventories - very accurate although interpreter dependent - no map of changes

Visual delineation (full image)

Visual interpretation 5 – 10 ha

- multiple date analysis preferable - On screen digitizing preferable to delineation on printouts

- easy to implement - time consuming - interpreter dependent

Pixel based classification

Supervised labeling (with training and correction phases)

<1 ha

- selection of common spectral training set from multiple dates / images preferable - filtering needed to avoid noise

- difficult to implement - training phase needed

Unsupervised clustering + Visual labeling

<1 ha

- interdependent (multiple date) labeling preferable - filtering needed to avoid noise

- difficult to implement - noisy effect without filtering

Object based segmentation

Supervised labeling (with training and correction phases)

1 - 5 ha

- multiple date segmentation preferable - selection of common spectral training set from multiple dates / images preferable

- more reproducible than visual delineation - training phase needed

Unsupervised clustering + Visual labeling

1 - 5 ha - multiple date segmentation preferable - interdependent (multiple date) labeling of single date images preferable

- more reproducible than visual delineation

Source : Manuel de référence GOFC-GOLD 2013, tableau 2.1.3.


27

Délimitation visuelle des entités terrestres

La délimitation visuelle des entités terrestres est une méthode viable pour la surveillance de l’espace forestier, en particulier lorsque les outils d’analyse d’images et l’expérience associée sont limités. La délimitation visuelle des entités terrestres sur des

impressions (utilisée par le passé) n’est pas recommandée ; la délimitation à l’écran devrait être préférée car elle produit directement des résultats numériques. Les entités terrestres délimitées visuellement devraient

également être légendées visuellement.


28

Segmentation d’images multidates

La segmentation automatique réduit le temps de traitement et augmente le détail. Elle est objective et répétable. Elle délimite les zones modifiées en tant que segments

distincts. Dans l’idéal, le processus d’analyse devrait inclure :

i. Segmentation d’images multidates à partir de paires d’images

ii. Sélection de la signature des zones/classes d’apprentissage

iii. Groupage dirigé d’imagesiv. Vérification visuelle et modification potentielle


29

Segmentation appariée Marquage automatique de modification

1990

2000

Sources : USGS 2015, série de données GLS ; Bodart et

al. 2011 ; et Raši et al. 2011.

Exemple de segmentation multidate automatique et marquage de modification


30

Classification numérique des segments d’images

La classification numérique/automatique ne s’applique que dans le cas de segments automatiquement délimités. Deux classifications dirigées des objets réalisées

séparément sur les deux images multidates sont recommandées plutôt qu’une unique classification dirigée des objets sur la paire d’images. Une série standard de données d’apprentissage

prédéfinies de signatures spectrales pour chaque type d’écosystème devrait idéalement être utilisée pour créer des cartes initiales automatiques des forêts. Dans le cas d’un grand nombre d’images, les méthodes

de classification dirigée sont jugées plus efficaces que les techniques de groupage non dirigé.


31

Exemple de classification automatique à l’aide d’une base de données de signatures

a) Segmentation multidate (2000 – 2010)b) Classification automatique de l’image Landsat de l’an 2000 à partir de la base de données de signatures

LégendeCouvert arboréArbustes et repousseHerbes, plantes herbacées

Sources : USGS 2015, série de données GLS ; Bodart et al. 2011 ; et Raši et al.

2011.

a) b)


32

Exemple de modification du couvert forestier établie à partir

d’images Landsat TM d’un site du Brésil

Images Landsat-5 TM

Cartes du couvert terrestre de 2001 à 20056 août 2001

15 juin 2005

6 août 2001

15 juin 2005

Sources : USGS 2015, série de données GLS ; Eva et al. 2012.

LégendeCouvert arboréMosaïque couvert arboréAutres terres boiséesAutre couvert terrestre


33

Vérification visuelle

La vérification (ou classification) visuelle est indispensable. La vérification devrait tirer parti des paires d’images. Les cartes existantes peuvent être utilisées comme

support. Les paires d’images uniques sont préférées aux

mosaïques d’images. Les caractéristiques spectrales, spatiales et temporelles

(saisonnalité) des forêts doivent être prises en compte.


34

Exemple de validation visuelle des résultats de l’évaluation automatique JRC-FAO

Source : USGS 2015, série de données GLS ; JRC ;

Simonetti et al. 2011

Validation par des experts

avec un outil de validation adapté

Contrôleet

interprétationvisuels de la cartographie automatique


35

Plan du cours

1. Introduction



4.Évaluation de la précision



36

Concepts fondamentaux d’une évaluation de la précision La notification de la précision et la vérification des résultats

sont des éléments essentiels d’un système de surveillance.

L’évaluation de la précision devrait reposer sur des données de haute qualité, par exemple des observations ou des analyses in situ de données aériennes ou satellitaires de très haute résolution.

Une attention doit être accordée au choix de la date de la série de données de référence, de sorte qu’elle corresponde dans le temps à la série de données utilisée pour la cartographie du couvert forestier.

Dans l’idéal, un protocole d’échantillonnage statistiquement valide devrait être utilisé pour déterminer la précision ; il devrait donner lieu à une description quantitative de l’incertitude des estimations sur les superficies forestières.


37

Exemple d’utilisation d’images à très haute résolution aux fins d’évaluation de la précision

Source : USGS 2015, série de données GLS ; ESA/projet JRC TropForest (Kompsat).

Kompsat-2Landsat ETM+

Comparaison Résolution LANDSAT 30 m/Kompsat-2 4 m (RGB : NIR-R-G)


38

Considérations en matière de notification

La modification du couvert terrestre est un important facteur d’émission et il est donc essentiel de fournir les meilleures estimations possible de l’étendue des zones concernées.

Il est possible d’utiliser les résultats d’une évaluation rigoureuse de la précision pour corriger les estimations des superficies et estimer les incertitudes concernant les superficies de chaque classe.

En l’absence de méthode statistique applicable, les informations obtenues par d’autres moyens peuvent être utilisées pour évaluer la précision de la carte. Ces informations comprennent :

• Des comparaisons avec d’autres cartes• Un examen et une appréciation systématiques par des experts locaux• Des comparaisons avec des statistiques non spatiales


39

Plan du cours

1. Introduction




5.Limites de l’utilisation des données satellitaires


40

Principales raisons de ces limites

Nuages et leurs ombres Autres effets atmosphériques (brume, fumée, etc.) Effet de la topographie sur la réflectance Fréquence d’observation insuffisante (tropiques

humides, etc.) Pénurie de données historiques Compromis entre résolution spatiale et couverture Problème de comparabilité entre capteurs (série

chronologique historique par exemple)


41

Principales raisons des limites : nébulosité

Source : Herold 2009.

Nébulosité annuelle moyenne selon MODIS M3 (moyenne de la fraction nuageuse) et EECRA (Extended Edited Cloud Report Archive)


42

Principales raisons des limites : pénurie de données historiques

Année effective

d’acquisition pour l’année cible 1990

Année effective

d’acquisition pour l’année cible 2000

Source : JRC ; Beuchle et al. 2011


43

Récapitulatif Les recommandations du GIEC et les décisions de la CCNUCC

fournissent des lignes directrices générales devant être suivies pour formuler des définitions nationales des forêts et des méthodes de surveillance pour les activités REDD+.

De nombreuses données et méthodes de télédétection peuvent être utilisées pour suivre les données sur les activités pour les forêts, de préférence avec :

● Une analyse d’images multidates pour détecter les modifications● Des méthodes de classification dirigée répétables● Une vérification visuelle et une évaluation rigoureuse de la

précision des cartes établies

Malgré les limites des observations satellitaires, la télédétection est indispensable pour suivre les données sur les activités pour les forêts dans les pays tropicaux.


44

Exemples nationaux et exercices

Exemples nationaux Brésil (programme PRODES de surveillance du déboisement)

Inde (FSI : The Forest Survey of India)

République démocratique du Congo (échantillonnage systématique JRC-FAO)

Exercices Utilisation des séries chronologiques pour obtenir des estimations de l’évolution

des superficies forestières


45

Modules complémentaires recommandés

Module 2.2, pour en savoir plus sur le suivi des données sur les activités pour les forêts restant des forêts (y compris la dégradation des forêts)

Module 2.8, pour en savoir plus sur l’évolution de la technologie, notamment des données radar

Modules 3.1 à 3.3, pour en savoir plus sur l’évaluation et la notification REDD+


46

Références Beuchle, R., et al. 2011. “A Satellite Dataset for Tropical Forest Change Assessment.” International

Journal of Remote Sensing 32 : 7009 – 7031. doi : 10.1080/01431161.2011.611186.

Bodart, C., et al. 2011. “Pre-processing of a Sample of Multi-scene and Multi-date Landsat Imagery used

to Monitor Forest Cover Changes over the Tropics.” ISPRS Journal of Photogrammetry and Remote

Sensing 66 : 555 – 563.

Eva, H. D., et al. 2012. “Forest Cover Changes in Tropical South and Central America from 1990 to 2005

and Related Carbon Emissions and Removals.” Remote Sensing 4 (5) : 1369 – 1391. doi :

10.3390/rs4051369.

FAO (Food and Agriculture Organization). 2010. FAO Forest Resources Assessment of 2010 (FRA).

Rome : FAO. http://www.fao.org/docrep/013/i1757e/i1757e.pdf.

FAO. 2015. FAO Forest Resources Assessment of 2015 (FRA). Rome : FAO.

http://www.fao.org/forestry/fra/fra2015/en/.

GFOI (Global Forest Observations Initiative). 2014. Integrating Remote-sensing and Ground-based

Observations for Estimation of Emissions and Removals of Greenhouse Gases in Forests : Methods and

Guidance from the Global Forest Observations Initiative. (Often GFOI MGD.) Geneva, Switzerland :

Group on Earth Observations, version 1.0. http://www.gfoi.org/methods-guidance/.


47

GOFC-GOLD (Global Observation of Forest Cover and Land Dynamics). 2014. A Sourcebook of Methods

and Procedures for Monitoring and Reporting Anthropogenic Greenhouse Gas Emissions and Removals

Associated with Deforestation, Gains and Losses of Carbon Stocks in Forests Remaining Forests, and

Forestation. (Often GOFC-GOLD Sourcebook.) Netherland : GOFC-GOLD Land Cover Project Office,

Wageningen University. http://www.gofcgold.wur.nl/redd/index.php.

Hansen, M. C., et al. 2013. “High-resolution Global Maps of 21st-century Forest Cover Change.” Science

342 : 850 – 853.

Herold, M. 2009. An Assessment of National Forest Monitoring Capabilities in Tropical Non-annex I

Countries : Recommendations for Capacity Building. Report for The Prince’s Rainforests Project and The

Government of Norway. Friedrich-Schiller-Universität Jena and GOFC-GOLD.

http://princes.3cdn.net/8453c17981d0ae3cc8_q0m6vsqxd.pdf

IPCC, 2003. 2003 Good Practice Guidance for Land Use, Land-Use Change and Forestry, Prepared by the

National Greenhouse Gas Inventories Programme, Penman, J., Gytarsky, M., Hiraishi, T., Krug, T., Kruger,

D., Pipatti, R., Buendia, L., Miwa, K., Ngara, T., Tanabe, K., Wagner, F. (eds.). Published : IGES, Japan.

http://www.ipcc-nggip.iges.or.jp/public/gpglulucf/gpglulucf.html (Often referred to as IPCC GPG)

Raši, R., et al. 2011. “An Automated Approach for Segmenting and Classifying a Large Sample of Multi-

date Landsat-type Imagery for pan-Tropical Forest Monitoring.” Remote Sensing of Environment 115 :

3659 – 3669.

http://www.ipcc-nggip.iges.or.jp/public/gpglulucf/gpglulucf.html


48

Simonetti, D., et al. 2011. User Manual for the JRC Land Cover/Use Change Validation Tool. EUR -

Scientific and Technical Research Reports. Brussels : Publications Office of the European Union.

http://publications.jrc.ec.europa.eu/repository/handle/111111111/16104.

Stibig, H.J., et al. 2003. “Mapping of the Tropical Forest Cover of Insular Southeast Asia from SPOT4-

Vegetation Images.” International Journal of Remote Sensing 24 (18) : 3651 – 3662.

USGS (US Geological Survey). 2015. Global Land Survey (GLS) Datasets. Last modified April 20, 2015.

http://glovis.usgs.gov/.